基于模糊C均值算法在文本聚類中的研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在互聯(lián)網(wǎng)中,以新聞為代表的文本信息正在高速增長,如何實施有效的文本聚類算法是數(shù)據(jù)挖掘領域的研究熱點。模糊聚類建立了樣本對類別的不確定描述,能更客觀地反應現(xiàn)實世界,從而成為聚類分析的主流。模糊C均值算法是基于目標函數(shù)的模糊聚類理論中應用最為廣泛的一種算法。但是,模糊C均值算法本身也存在一些缺陷,比如聚類個數(shù)需要事先給定,算法對初始聚類中心敏感等。
   針對模糊C均值算法存在的問題,主要完成以下三方面的研發(fā)工作:
   1

2、)提出了毗鄰群的概念,可以根據(jù)需要有效地降低數(shù)據(jù)的規(guī)模。
   2)引入了聚類有效性評價模型作為評判聚類劃分的綜合指標,同時用遺傳算法優(yōu)化聚類中心,通過迭代可以確定模糊C均值算法所需的初始C值和最佳的初始聚類中心。
   3)將毗鄰群和粘合度概念及其算法用于修正模糊C均值算法的隸屬函數(shù)矩陣,加快了模糊C均值算法的收斂速度。
   本文基于提出的改進型模糊C均值算法,設計和實現(xiàn)了一個中文文本聚類系統(tǒng),并選取搜狗實驗

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論